一种储能电站储能数据的异常检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115858630A(43)申请公布日2023.03.28(21)申请号202310139290.7G06F17/16(2006.01)(22)申请日2023.02.21G06F17/18(2006.01)(71)申请人新风光电子科技股份有限公司地址272500山东省济宁市汶上县经济开发区金成路中段路北(72)发明人胡顺全陈早军檀通薛兆元徐长海张学运蒋海龙(74)专利代理机构济宁仁礼信知识产权代理事务所(普通合伙)37383专利代理师王更星(51)Int.Cl.G06F16/2458(2019.01)G06Q10/0639(2023.01)G06Q10/20(2023.01)G06Q50/06(2012.01)权利要求书2页说明书12页附图1页(54)发明名称一种储能电站储能数据的异常检测方法(57)摘要本发明涉及数据处理技术领域，具体涉及一种储能电站储能数据的异常检测方法。该方法通过获得储能参数的时序数据构建关键储能矩阵，通过关键储能矩阵筛选出的疑似异常数据并分析其与非疑似异常数据的分布特征，获得分布偏离指标；根据疑似异常数据局部数据的局部分布特征获得局部数据分布指标；根据疑似异常数据邻域数据的数据值变化差异，获得数据变化指标，根据分布偏离指标、局部数据分布指标和数据变化指标构建异常数据检测模型，获得真实异常数据，根据真实异常数据判断储能电站的异常状况。本发明通过数据处理，全面且精确的检测出异常数据，实现储能电站异常检测。CN115858630ACN115858630A权利要求书1/2页1.一种储能电站储能数据的异常检测方法，其特征在于，所述方法包括：通过传感器获得在预设时间段上至少两类储能参数的时序数据，根据所述时序数据构建关键储能数据矩阵；根据关键储能数据矩阵中每类储能参数中的每个储能数据的数据波动程度筛选出关键储能数据矩阵中的疑似异常数据；获得疑似异常数据对应的实际分布特征与关键储能数据矩阵中的非疑似异常数据对应的标准分布特征的分布特征差异，根据分布特征差异获得每个疑似异常数据的分布偏离指标；在关键储能数据矩阵中，根据每个疑似异常数据对应预设局部窗口中不同预设方向上数据值的局部分布特征获得每个疑似异常数据的局部数据分布指标；根据疑似异常数据对应预设邻域范围内储能数据的数据值差异情况，获得数据变化矩阵，根据数据值变化矩阵获得疑似异常数据的数据变化指标；根据疑似异常数据的分布偏离指标、局部数据分布指标和数据变化指标获得异常数据检测模型；根据异常数据检测模型筛选出疑似异常数据中的真实异常数据，根据真实异常数据的数据值获得异常程度判断指标，通过所述异常程度判断指标检测储能电站的异常状况。2.根据权利要求1所述的一种储能电站储能数据的异常检测方法，其特征在于，所述根据关键储能数据矩阵中每类储能参数中的每个储能数据的数据波动程度筛选出关键储能数据矩阵中的疑似异常数据包括：将关键储能数据矩阵中每个储能数据与同类储能参数中其他储能数据之间的差值绝对值作为数据差异，将数据差异的均值作为储能数据的数据波动程度指标；获得所有储能数据的数据波动程度指标；当数据波动程度指标大于预设波动阈值时，将对应的储能数据作为疑似异常数据；当数据波动程度指标小于等于预设波动阈值时，将对应的储能数据作为非疑似异常数据。3.根据权利要求1所述的一种储能电站储能数据的异常检测方法，其特征在于，所述标准分布特征和疑似异常数据的实际分布特征的获取包括：对关键储能数据中的非疑似异常数据采用高斯模型拟合，获得标准高斯模型，将每个储能数据对应的标准高斯模型值作为储能参数的标准分布特征；对关键储能数据中的疑似异常数据采用高斯模型拟合，获得异常数据高斯模型，将每个疑似异常数据对应的异常数据高斯模型值作为疑似异常数据的实际分布特征。4.根据权利要求3所述的一种储能电站储能数据的异常检测方法，其特征在于，所述分布偏离指标的获取包括：将每个疑似异常数据的实际分布特征对应的异常数据高斯模型值与标准分布特征对应的标准高斯模型值的差值绝对值作为分布特征差异；将每个分布特征差异进行归一化处理获得每个疑似异常数据的分布偏离指标。5.根据权利要求1所述的一种储能电站储能数据的异常检测方法，其特征在于，所述局部分布特征的获取包括：所述局部分布特征包括数据值分布特征值和种类分布特征值；将每个疑似异常数据对应预设局部窗口中具有相同数据值的储能数据划分为同一数据值种类，获得所有数据值种类；将数据值种类中任意两个数据值种类对应数据值的组合2CN115858630A权利要求书2/2页作为种类二元组，获得所有种类二元组；将每种种类二元组的大小作为滑动窗口的大小，在对应疑似异常数据的预设局部窗口水平方向上遍历，统计与每种种类二元组中数据值相同的频次